| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-14页 |
| 1.1 研究背景和研究意义 | 第7-9页 |
| 1.2 课题国内外研究现状及存在的问题 | 第9-12页 |
| 1.2.1 数据挖掘分类算法的研究现状 | 第9-10页 |
| 1.2.2 基于度量空间的分类算法的研究现状 | 第10-11页 |
| 1.2.3 移动轨迹预测技术的研究现状 | 第11-12页 |
| 1.3 本论文主要工作 | 第12页 |
| 1.4 本文结构安排 | 第12-14页 |
| 第2章 支撑点空间模型 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 支撑点空间模型 | 第14-17页 |
| 2.2.1 度量空间映射到支撑点空间 | 第14-15页 |
| 2.2.2 支撑点空间模型 | 第15-17页 |
| 2.3 数据挖掘分类算法简介 | 第17-21页 |
| 2.3.1 KNN算法 | 第17-18页 |
| 2.3.2 C4.5 算法 | 第18-20页 |
| 2.3.3 Na?ve Bayes算法 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于度量空间的分类算法框架 | 第22-35页 |
| 3.1 引言 | 第22页 |
| 3.2 数据抽象到统一的度量空间 | 第22-23页 |
| 3.3 度量空间映射到支撑点空间 | 第23-25页 |
| 3.4 基于度量空间的分类 | 第25-26页 |
| 3.5 实验结果分析 | 第26-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于度量空间的分类算法框架在轨迹数据研究中的应用 | 第35-44页 |
| 4.1 引言 | 第35-36页 |
| 4.2 分类挖掘的数据预处理 | 第36-38页 |
| 4.3 轨迹数据分类模型建立 | 第38-40页 |
| 4.4 实验结果分析 | 第40-42页 |
| 4.5 本章小结 | 第42-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 研究工作总结 | 第44-45页 |
| 5.2 研究工作展望 | 第45-46页 |
| 参考文献 | 第46-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士学位期间的研究成果 | 第53页 |